تشخیص جنسیت بر اساس تصاویر چهره با استفاده از طبقه بندتقویتیLP و مشتقات جهت دار و ویژگی های آماری

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,115

This Paper With 6 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICS12_118

تاریخ نمایه سازی: 11 مرداد 1393

Abstract:

جنسیت یکی از ویژگی های مهم انسان ها در مبحث جمعیت شناسی است؛ امروزه تعیین متغیرهای جمعیتشناسی انسان ها مانندجنسیت، سن و نژاد از طریق علم بینایی ماشین تاثیر قابل توجهی در افزایش کیفیت تعاملات اجتماعی و خدمات بشری داشته است.روشهای مبتنی بر مشتق از روشهای محبوب در استخراج ویژگیهای قابل تمایز چهرهای با هدف تشخیص جنسیت میباشاند. در این مقاله روشی کارامد و سریع برای تشخیص جنسیت براساس تصاویر چهره با استفاده از مشتقات جهت دار و روش های آماریمعرفی م یشود. این راهکار، بر روی همسایه های یک پیکسل مرکزی عملیاتی مبتنی بر روشهای مشتق گیری و آماری انجام می دهدتا در نهایت برای هر تصویر یک بردار ویژگی ایجاد کند. پس از ایجاد بردار ویژگی برای تمام تصاویر، از عملگر طبقه بند تقویتی LP) LPBoost برای عمل دسته بندی استفاده می شودنتایج آزمایش ها، نشان دهنده دقت طبقهبندی 92.39 % روش پیشنهادی بر روی پایگاه دادهFRGC 2.0 ودرنتیجه اثربخشی این روش در دسته بندی جنسیتی و همچنین سرعت بالای آن در مقایسه با روشهای مشابه است

Authors

ویدا مراقبتی

دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی واحد قزوین، قزوین

هدیه ساجدی

استادیار، دانشکده ریاضی، آمار و علوم کامپیوتر، پردیس علوم، دانشگاه تهران، تهران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Kim, H. C., Kim, D., Ghahramani, Z., Bang, S. Y., ...
  • Cottrell, G., Metcalfe, J., "Empath: Face, Emotion, and Gender Recognition ...
  • Golomb, B. A., Lawrence, D. T., Sejnowski, T. J., "SEXNET: ...
  • Brunelli, R., Poggio, T., "Hyperbf Networks for Gender Classification", DARPA ...
  • Moghaddam, B., Yang, M.-H., "Gender Classification with Support Vector Machines", ...
  • Shakhnarovich, G., Viola, P., Moghaddam, B., "A Unified Learning Framework ...
  • Ahonen, T., Hadid, A., Pietikainen, M., "Face Description wvith Local ...
  • Makinen, E., Raisamo, R., "Evaluation of gender classification methods with ...
  • Mozaffari, S., Behravan, H., Akbari, R., "Gender Classification using Single ...
  • Jabid, T., Hasanul Kabir, Md., Chae, O., "Gender Classification using ...
  • Shobeirinejad, A, Gao, Y., "Gender Classification Using Interlaced Derivative Patterns", ...
  • Zhang, B., Gao, Y., Zhao, S., Liu, J., "Local Derivative ...
  • Mayo, M., Zhang, E., "Improved Face Gender Classification by Adding ...
  • LDP: Local Derivative Patter 18 Preprocessing ...
  • Adjust Image Intensity Values ...
  • Histogram Equalization 2 1 Moments ...
  • نمایش کامل مراجع